今年在一家小几百人startup做芯片，还是有些感慨的

芯片拼到最后就是拼能耗比，这是一级指标，真的是靠堆海量的人力去针对每种workload调试每一点power和performance，人不够就是会有差距，startup对于power和performance的要求要低太多了，只要大差不差就行，能把功能实现出来就是成功

startup跟大厂比，除了关键地方的IP，很多地方就是买现成IP拼凑起来，导致基本上一个人要覆盖大厂三个组的scope，广度上去了精度自然就不够

startup调硬件performance经常没人关心，因为软件FW/compiler太多可以优化的地方了，随便多花点时间得到的收益都比调芯片性能要效率更高

性能只要和当初架构设计的差不多就行，而在架构设计的时候就已经考虑到最后的能耗比等一系列指标了，但考虑到最后的实施，其实就算是带宽和算力指标定的和Nvidia一样，功耗目标也是高出了50%以上，只能靠compiler优化特定的benchmark workload。除非是架构及其特殊，能在特定的workload上从架构上决定能耗比

在大厂呆久了，再去startup就会觉得大厂很多职位就是雕花，投入产出比其实很低，但这些雕花位置又不能砍了，毕竟芯片最后的能耗比有不少提升就是靠这样的微调工作量累积起来的

想起了前几年，当红炸子鸡Nuvia带着苹果CPU架构的所有秘密被Qualcomm收购时候，如果按照标准startup做法，采购ARM公版的interconnected，cache和memory，那Nuvia CPU跑分起码要降10%以上，跟Apple CPU的差距就直接断代了(单核)。也正是有了Qcom的SoC infrastructure支撑，才有了Nuvia第一代CPU在苹果M3/M4出来之前短暂的王朝

芯片startup要能生存，只能靠错位竞争，要么是一个细分市场，要成为明星就得做大公司短期抽不出资源做的一些方向。不然的话芯片大厂的资源起码能在硬件性能上有人力优势去调试的

Nvidia Blackwell Ultra和Vera Rubin的发布，指标上步子迈的这么大，一年一代节奏，看来是希望用 “时间+人力+生态” 形成 IP 壁垒，其实是不利于新晋startup追赶的，要在指标上把东西做出来的难度，真的是越来越大，已经实质上有点堆人力的意思。MTIA/Annapurna lab直接靠对标算力指标来追赶，迟早会翻车(做不出来或者延期)

说到堆人力，Nvidia最近招人力度又开始加大，我两周之内甚至接到了三个不同Nvidia HR的招呼，互联网公司几百人的小作坊也在快速扩张招人来应对，Google TPU组这两年在以色列和印度扩张非常可观，基本是奔着翻倍去的，Meta的MTIA今年大扩招也是奔着50~100%扩张

------------------------------------

从芯片设计来看，即便是o3如此强大的AI再发展下去，离自己设计芯片，来取代芯片工程师的职位，仍然很遥远，o3o4o5的进步是10分到50分的事情，而现在的芯片早就进化到堆人力从90分往95分逼近了

当然了，半导体行业广泛采用claude3.7/o3级别的AI，确实也是有帮助的，我这两个月用AI提升的效率，我觉得已经稳稳有20%+的水准了

不用纠结o6o7o8能不能自己设计芯片，因为只要人+AI有更好的效果就行

AGI摆脱工具定义的标准，是人+AI有没有比AI产出更高

只要没有达到这个标准，那么AI仍然是工具属性

可预见的未来内，我看不到AGI摆脱工具定义的可能

----------------------------------
最近几个月都是一周80+小时工作，差不多快是人间蒸发的节奏，思考人生的时间都不够用了，追热点都是有代价的，生活不易，猫猫叹气.jpg